k-Means ალგორითმი არ გამოიყენება კატეგორიულ მონაცემებზე, რადგან კატეგორიული ცვლადები დისკრეტულია და არ გააჩნიათ ბუნებრივი წარმოშობა. ასე რომ, ევკლიდური მანძილის გამოთვლა ისეთი სივრცისთვის არ არის აზრიანი.
შეგვიძლია გამოვიყენოთ კლასტერირება კატეგორიული მონაცემებისთვის?
კატეგორიული მონაცემები გადაკეთდა რიცხვით რანგის მნიშვნელობის მინიჭებით. ეს არის ის, რომ კატეგორიული მონაცემთა ნაკრები შეიძლება დაჯგუფდეს, როგორც რიცხვითი მონაცემთა ნაკრები.. შეიმჩნევა, რომ ამ ლოგიკის განხორციელება, k- საშუალო იძლევა იგივე შესრულებას, რაც გამოიყენება ციფრულ მონაცემთა ნაკრებებში.
შეიძლება თუ არა საშუალო გამოყენება კატეგორიული ცვლადებისთვის?
შეუძლებელიაიპოვო საშუალო ამ მონაცემებიდან, რადგან არ არის "საშუალო" თვალის ფერი. შეგიძლიათ იპოვოთ პროპორციები, მაგრამ არა საშუალო. იმედია ეს დაგვეხმარება!
რა უნდა იქნას გამოყენებული, როდესაც მონაცემები კატეგორიულია?
კატეგორიული მონაცემები გაანალიზებულია რეჟიმის და მედიანური განაწილებისგამოყენებით, სადაც ნომინალური მონაცემები ანალიზდება რეჟიმით, ხოლო რიგითი მონაცემები იყენებს ორივეს. ზოგიერთ შემთხვევაში, რიგითი მონაცემები შეიძლება ასევე გაანალიზდეს ერთვარიანტული სტატისტიკის, ბივარიანტული სტატისტიკის, რეგრესიის აპლიკაციების, ხაზოვანი ტენდენციებისა და კლასიფიკაციის მეთოდების გამოყენებით.
რა არის კლასტერირება კატეგორიული ატრიბუტებით?
კატეგორიული მონაცემთა კლასტერირება ეხება შემთხვევას, როდესაც მონაცემთა ობიექტები განისაზღვრება კატეგორიულ ატრიბუტებზე… ანუ, არ არსებობს კატეგორიული მნიშვნელობების ერთი დაკვეთის ან თანდაყოლილი მანძილის ფუნქცია, და არ არსებობს კატეგორიული მნიშვნელობებიდან რიცხვითი მნიშვნელობების რუქა, რომელიც სემანტიკურად მგრძნობიარეა.
